CN111210252A - 经由自动边缘计算的乘车共享需求和定价 - Google Patents

经由自动边缘计算的乘车共享需求和定价 Download PDF

Info

Publication number
CN111210252A
CN111210252A CN201911146315.6A CN201911146315A CN111210252A CN 111210252 A CN111210252 A CN 111210252A CN 201911146315 A CN201911146315 A CN 201911146315A CN 111210252 A CN111210252 A CN 111210252A
Authority
CN
China
Prior art keywords
geographic location
vehicle
information
environment
ride share
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911146315.6A
Other languages
English (en)
Inventor
A·萨利赫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor North America Inc
Original Assignee
Toyota Motor North America Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toyota Motor North America Inc filed Critical Toyota Motor North America Inc
Publication of CN111210252A publication Critical patent/CN111210252A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0645—Rental transactions; Leasing transactions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2203/00—Real-time site-specific personalized weather information, e.g. nowcasting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Operations Research (AREA)

Abstract

本申请涉及经由自动边缘计算的乘车共享需求和定价。系统包括处理器和被配置为存储机器可读指令集的非暂态计算机可读存储器。机器可读指令集使系统在由处理器执行时至少执行以下各项：从车辆的传感器资源接收关于车辆的地理位置处的环境的信息、将事件的时间表与地理位置相关联、基于关于环境的信息和与该地理位置相关联的事件的时间表来预测乘车共享请求的需求，以及基于所预测的乘车共享请求的需求，规划一个或多个附加车辆去往或离开地理位置的路线。

Description

经由自动边缘计算的乘车共享需求和定价
技术领域
本说明书一般而言涉及乘车共享系统和方法，并且更具体而言，涉及用于利用汽车边缘计算来预测乘车共享需求并响应于所预测的需求来配置定价和资源的系统和方法。
背景技术
乘车共享服务按需安排一次性乘车共享。乘车共享服务通过广泛实现的技术成为可能。例如，GPS导航、智能电话通信和社交网络在驾驶员和乘客之间定位、连接并建立信任和责任等级。对于乘车共享服务和乘客沮丧根源的持续挑战在于按需服务的期望的实现。随着乘车实际需求的增加或减少，许多乘车共享服务实行定价调整。但是，随着乘车共享领域中竞争者数量的增加，维持价格随需求增加而增加的模型可能会导致乘客转向竞争对手，以找到更好的费率和更及时的乘车机会。因此，不能满足需求或不能充分预测未来需求的乘车共享服务可能会失去乘车机会。
发明内容
在一个实施例中，一种系统包括处理器和被配置为存储机器可读指令集的非暂态计算机可读存储器。机器可读指令集使系统在由处理器执行时至少执行以下各项：从车辆的传感器资源接收关于车辆的地理位置处的环境的信息、将事件的时间表与该地理位置相关联、基于关于环境的信息和与地理位置相关联的事件的时间表来预测乘车共享请求的需求，以及基于所预测的乘车共享请求的需求，规划一个或多个附加车辆去往或离开地理位置的路线。
在一些实施例中，一种方法包括：从车辆的传感器资源接收关于车辆的地理位置处的环境的信息，以及将事件的时间表与该地理位置相关联。该方法还包括基于关于环境的信息以及与地理位置相关联的事件的时间表来预测乘车共享请求的需求，以及基于所预测的乘车共享请求的需求，规划一个或多个附加车辆去往或离开地理位置的路线。
在一些实施例中，一种系统包括具有第一传感器资源和第一计算设备的第一车辆、包括处理器和非暂态计算机可读存储器的第二计算设备、将第一计算设备和第二计算设备通信地耦合的网络，以及存储在第二计算设备的非暂态计算机可读存储器中的机器可读指令集。机器可读指令集使系统在由处理器执行时至少执行以下各项：从车辆的传感器资源接收关于车辆的地理位置处的环境的信息、将事件的时间表与该地理位置相关联、基于关于环境的信息和与地理位置相关联的事件的时间表来预测乘车共享请求的需求，以及基于所预测的乘车共享请求的需求，规划一个或多个附加车辆去往或离开地理位置的路线。
结合附图，根据以下详细描述，将更充分地理解本文描述的实施例提供的这些和附加特征。
附图说明
在附图中阐述的实施例本质上是说明性和示例性的，并且不旨在限制由权利要求书所定义的主题。当结合以下附图阅读时，可以理解说明性实施例的以下详细描述，附图中，相同的结构用相同的附图标记表示，并且其中：
图1描绘了根据本文示出和描述的一个或多个实施例的指示乘车共享车辆的城市的说明性地图；
图2示意性地描绘了根据本文示出和描述的一个或多个实施例的包括传感器资源和计算设备的车辆的部件；
图3描绘了根据本文示出和描述的一个或多个实施例的汽车边缘计算和通信系统的说明性实施例；
图4描绘了根据本文示出和描述的一个或多个实施例的与特定地理位置相关联的事件的说明性时间表；以及
图5描绘了根据本文示出和描述的一个或多个实施例的用于预测乘车共享需求并响应于所预测的需求来配置定价和资源的示例方法的流程图。
具体实施方式
本文公开的实施例涉及用于利用汽车边缘计算来预测乘车共享需求并响应于所预测的需求配置定价和/或管理乘车共享车辆的数量的系统和方法。如将在本文中更详细地描述的，该系统和方法利用由地理位置内的车辆收集到的关于环境的信息和事件的时间表来预测整个区域(诸如，城市)的需求的增加和减少。由地理位置内的车辆收集到的关于环境的信息可以包括与天气状况、车辆交通、人口密度、事故和/或施工的存在等相关的实时或接近实时的信息。配备有传感器资源和通信能力的任何车辆都可以收集关于环境的信息。例如，收集信息的车辆可以是乘车共享车辆，或者可以是非乘车共享车辆，诸如地理位置内的个人车辆、卡车、公共汽车等。应当理解的是，有时，私人车辆可以用作乘车共享车辆，但是也可以用作非乘车共享车辆，例如，当操作员正在将车辆用于个人用途并且不寻求乘车共享请求时。收集到的关于地理位置的信息可以被发送到计算设备。计算设备可以在车辆内，或者可以是通信地耦合到该地理位置内的一个或多个车辆的计算设备。
如本文中更详细描述的，该系统可以是本地化系统，用于利用本地化区域内的汽车边缘计算来预测乘车共享需求并响应于所预测的需求来配置定价和/或管理乘车共享车辆的数量。在一些实施例中，该系统可以被配置为管理大的区域，例如，一个或多个城市。但是，一般而言，乘车共享需求局限于一个或多个本地区域，并且通常不受邻近城市(例如，在任何方向上超过20或30英里的区域)的影响。更特别地，由于乘车共享旨在按照请求提供本地乘车，因此乘车共享的需求可能会受到更本地限定的(例如，在彼此的几个城市街区内的)需求的影响。现在将在本文中更详细地描述用于利用汽车边缘计算来预测乘车共享需求并响应于所预测的需求来配置定价和/或管理乘车共享车辆的数量的系统和方法。
现在转到附图，其中相同的附图标记指代相同的结构，图1特别地示出了指示乘车共享车辆的城市的说明性地图100。如图所示，城市的示例可以包括位于城市的街道周围的多个乘车共享车辆(例如，120、121、122、123、124、125和126)。此外，示例地图还图示了城市内的预定义的地理位置。地理位置可以由特定地址、预定义数量的街区或一般城市来定义。在图1所示的地图中，定义了七个地理位置，本文称之为区。每个区可以定义城市内涵盖具有共同主题的区域(例如，具有酒吧、娱乐室、俱乐部等的夜生活区域)的地理位置。
例如，第一区102可以定义城市内以其夜生活场景而闻名的地理位置，并且该区域通常可以包括满足感兴趣彼此社交的人们的场所。第二区104可以定义通常包括许多餐馆的地理位置。第三区106可以定义通常包括用于购物的许多商店的地理位置。第四区108可以定义通常包括办公楼的地理位置。第五区110可以定义通常包括剧院、交响音乐厅、美术馆等的地理位置。第六区112可以定义通常包括娱乐(诸如音乐厅、足球场、棒球馆等)的地理位置。第七区114可以定义通常包括住宅的地理位置。
应该理解的是，这些地理位置仅仅是示例性的，并且区域可以由更多或更少的地理位置(例如，区)来定义。如将在本文中更详细地讨论的，地理位置可以与事件的时间表相关联，该事件的时间表可以帮助预测地理位置内的乘车共享需求。
现在参考图2，描绘了包括传感器资源和计算设备的车辆200的示例示意图。车辆200可以是乘车共享车辆或位于地理位置内的另一个车辆，其被配置为向系统提供关于区域的信息。车辆200可以是自主车辆或非自主车辆。此外，正在提供关于地理位置的信息的车辆200可以被停放在该地理位置或正在行驶通过该地理位置。此外，不是每个车辆200都配备有相同的传感器资源集合，也不是每个车辆200都配置有用于收集和/或确定关于环境的信息的相同系统集合。图2仅提供了车辆200内配备的传感器资源和系统的一种示例配置。此外，虽然图2参考了车辆200，但是在本文中描述并且例如在图1中描绘的车辆120-126的任何车辆，都可以包括与关于图2描述的车辆200相同或相似的配置。
特别地，图2提供了包括各种传感器资源的车辆200的示例示意图，车辆200可以利用这些传感器资源来确定关于环境的信息并且与实现用于预测乘车共享需求和响应于所预测的需求来配置定价和/或管理乘车共享车辆的数量的方法的计算设备共享该信息。例如，车辆200可以包括计算设备130(其包括处理器132和非暂态计算机可读存储器134)、接近传感器140、麦克风142、一个或多个相机144、红外光发射器146和红外检测器148、全球定位系统(GPS)150、天气传感器152、车速传感器154、LIDAR系统156和网络接口硬件170。车辆的这些和其它部件可以经由通信路径160彼此通信地连接。
通信路径160可以由能够发送信号的任何介质形成，诸如，例如，导线、导电迹线、光波导等。通信路径160也可以指电磁辐射及其对应的电磁波穿越的广阔区域。此外，通信路径160可以由能够发送信号的介质的组合形成。在一个实施例中，通信路径160包括导电迹线、导线、连接器和总线的组合，它们合作以允许将电数据信号发送到诸如处理器、存储器、传感器、输入设备、输出设备和通信设备之类的部件。因此，通信路径160可以包括总线。此外，应该注意的是，术语“信号”是指诸如DC、AC、正弦波、三角波、方波、振动等能够通过介质传播的波形(例如，电、光、磁、机械或电磁)。如本文所使用的，术语“通信地耦合”是指耦合的部件能够彼此交换信号，诸如，例如，经由导电介质的电信号、经由空气的电磁信号、经由光波导的光信号等等。
计算设备130可以是包括处理器132和非暂态计算机可读存储器134的任何设备或部件的组合。处理器132可以是能够执行存储在非暂态计算机可读存储器134中的机器可读指令集的任何设备。因此，处理器132可以是电控制器、集成电路、微芯片、计算机或任何其它计算设备。处理器132通过通信路径160通信地耦合到车辆200的其它部件。因此，通信路径160可以通信地将任意数量的处理器132彼此耦合，并且允许耦合到通信路径160的部件在分布式计算环境中操作。具体而言，每个部件可以作为可以发送和/或接收数据的节点操作。虽然图2中描绘的实施例包括单个处理器132，但是其它实施例可以包括不止一个处理器132。
非暂态计算机可读存储器134可以包括RAM、ROM、闪存、硬盘驱动器或能够存储机器可读指令使得处理器132可以访问和执行机器可读指令的任何非暂态存储器设备。机器可读指令集可以包括用任何一代(例如，1GL、2GL、3GL、4GL或5GL)的任何编程语言编写的逻辑或(一个或多个)算法，诸如，例如，可以由处理器132直接执行的机器语言，或者可以被编译或汇编为机器可读指令并存储在非暂态计算机可读存储器134中的汇编语言、面向对象的编程(OOP)、脚本语言、微代码等。替代地，机器可读指令集可以用硬件描述语言(HDL)编写，诸如经由现场可编程门阵列(FPGA)配置或专用集成电路(ASIC)或其等效物实现的逻辑。相应地，本文描述的功能可以用任何常规的计算机编程语言来实现、作为预编程的硬件元件来实现，或者作为硬件和软件部件的组合来实现。虽然图2中描绘的实施例包括单个非暂态计算机可读存储器134，但是其它实施例可以包括不止一个存储器模块。
仍然参考图2，接近传感器140可以是能够输出指示在车辆200内或车辆200附近存在或没有物体的信号的任何设备或部件的组合。接近传感器140也可以是能够确定到物体的范围或距离，例如到车辆200和正在车辆200前方行驶的另一个车辆的距离的传感器。接近传感器140可以包括一个或多个传感器，包括但不限于，相机、激光距离传感器、超声传感器、雷达传感器系统、运动传感器、热传感器，以确定物体是否在车辆200的旁边、后面或前面存在或不存在。在一些实施例中，一个或多个接近传感器140可以被配置为启用用于车辆200的环视监测系统。即，在本系统的实施例中，接近传感器140可以向系统提供关于街道的拥挤程度或区域内(例如，与车辆200相邻)的车辆的数量的信息。
麦克风142耦合到通信路径160并且通信地耦合到计算设备130。麦克风142可以是能够将与声音相关联的机械振动转换成指示声音的电信号的任何设备。麦克风142可以用于监测声音水平，以用于诸如确定车辆200的环境中交通噪声的存在。
车辆200还可以包括一个或多个相机144。一个或多个相机144可以启用车辆200内的各种不同的监测、检测、控制和/或警告系统。一个或多个相机144可以是具有能够检测紫外波长带、可见光波长带或红外波长带中的辐射的感测设备阵列(例如，CCD阵列或有源像素传感器)的任何设备。一个或多个相机144可以具有任何分辨率。一个或多个相机144可以是全向相机或全景相机。在一些实施例中，诸如镜子、鱼眼镜头或任何其它类型的透镜之类的一个或多个光学部件可以光学地耦合到一个或多个相机144。一个或多个相机144可以被配置为向系统提供关于环境的多种信息。例如，由一个或多个相机144捕获的图像数据可以提供关于车辆交通、事故或施工的存在、该区域中行人的数量和/或密度等的信息。
在一些实施例中，红外光发射器146和/或红外检测器148耦合到通信路径160并且通信地耦合到计算设备130。红外光，也称为红外辐射，是一种类似于可见光的电磁(EM)辐射，但是红外光通常对人眼是不可见的。EM辐射以波长或频率范围内的波或粒子形式传输。红外光波比可见光波长，正好超出可见光谱的红色端。红外光发射器146发射微波和可见光之间的(EM)光谱范围内的红外光。红外光的频率从大约300GHz到大约400THz，并且波长大约在1毫米到740纳米之间，但是这些值不是绝对的。可以基于波长和频率在细分中描述红外光的光谱。例如，近红外的频率可以为大约214THz至大约400THz，并且波长为大约1400纳米至大约740纳米，并且远红外的频率可以为大约300GHz至大约20THz，并且波长为大约1毫米至大约15微米。红外光可以被细分为其它部分。
类似地，红外检测器148可以被配置为检测在红外光谱内的发射和/或反射的光。红外光发射器146和红外检测器148可以被实现在车辆内，以在弱光或恶劣天气条件下向车辆200提供计算机视觉和导航能力。红外检测器148可以是被配置为捕获红外光的存在(例如，确定从物体反射的红外光的存在)的设备，或者可以包括CCD阵列或有源像素传感器，该CCD阵列或有源像素传感器可以被配置为生成被红外光照射或产生红外光的环境的图像。红外光发射器146和红外检测器148可以被实现在车辆200中以提供导航支持、碰撞检测等。
仍然参考图2，全球定位系统GPS 150可以耦合到通信路径160并且通信地耦合到车辆200的计算设备130。GPS 150能够通过从一个或多个GPS卫星接收一个或多个GPS信号来生成指示车辆200的位置的位置信息。经由通信路径160传送到计算设备130的GPS信号可以包括位置信息，该位置信息包括国家海洋电子协会(NMEA)消息、纬度和经度数据集、街道地址、基于位置数据库的已知位置的名称等。此外，GPS 150可以与能够生成指示位置的输出的任何其它系统互换。例如，基于蜂窝信号和广播塔提供位置的本地定位系统，或者能够通过从一个或多个无线信号天线接收到的无线信号对位置进行三角测量的无线信号检测设备。
一些车辆200还可以包括天气传感器152，诸如温度传感器、降水量计、风速计、UV光传感器等。天气传感器152可以耦合到通信路径160并且可以通信地耦合到计算设备130。天气传感器152可以是能够输出指示诸如温度水平、存在降水或降水的量、风的方向和/或速度、存在阳光和/或阳光的强度等状况的信号的任何设备。由天气传感器152收集的信息可以向车辆200和/或系统提供定义当前天气状况的信息。作为响应，用于预测乘车共享需求并响应于所预测的需求来配置定价和/或管理乘车共享车辆的数量的系统可以更新对当前或未来需求的预测。例如，如果压力传感器指示该区域中的压力正在下降，则这可能表明可能即将下雨，因此，例如在街上行走的人们可能开始请求乘车。作为另一个示例，随着温度升高和/或夏日的阳光量增加，人们可能更倾向于请求乘车而不是步行到目的地。由此，可以预测对乘车共享的需求将增加。
车辆200还可以包括车速传感器154，该车速传感器154耦合到通信路径160并且通信地耦合到计算设备130。车速传感器154可以是用于生成指示车速的信号的任何传感器或传感器的系统。例如但不限于，车速传感器154可以是能够生成指示发动机的轴或驱动轴的转速的信号的转速表。可以将由车速传感器154生成的信号传送到计算设备130并将其转换成车速值。车速值指示车辆200的速度。在一些实施例中，车速传感器154包括光隔离开槽盘传感器、霍尔效应传感器、多普勒雷达等。在一些实施例中，车速传感器154可以包括来自GPS 150的用于确定车辆200的速度的数据。可以提供车速传感器154，使得计算设备130可以确定车辆200何时加速、维持恒定速度、减速或变得停止。例如，车速传感器154可以将指示车辆200由于交通状况的变化而减速的信号提供给计算设备130。
在一些实施例中，车辆200可以包括LIDAR系统156。LIDAR系统156通信地耦合到通信路径160和计算设备130。LIDAR系统156或光检测和测距是使用脉冲激光来测量从LIDAR系统156到反射脉冲激光的物体的距离的系统和方法。LIDAR系统156可以被制成为具有很少或没有移动零件的固态设备，包括被配置为光学相控阵设备的固态设备，其中其棱镜状的操作允许宽的视场而没有与传统的旋转LIDAR系统156相关联的重量和尺寸复杂性。LIDAR系统156特别适合于测量飞行时间，该飞行时间又可以与LIDAR系统156的视野内的物体的距离测量相关。通过计算由LIDAR系统156发射的脉冲激光的各种波长的返回时间差，可以生成目标或环境的数字3-D表示。由LIDAR系统156发射的脉冲激光包括在电磁频谱的红外范围内或附近操作的发射，例如，具有大约905纳米的发射辐射。车辆200可以使用诸如LIDAR系统156之类的传感器来提供详细的3D空间信息，用于识别车辆200附近的物体，以及在车辆地图、导航和自主操作的系统的服务中使用此类信息，特别是当与地理参考设备(诸如GPS 150)或基于陀螺仪的惯性导航单元(INU，未显示)或相关的航位推算系统，以及非暂态计算机可读存储器134(或者其自身的或者计算设备130的存储器)结合使用时。由LIDAR系统156收集的信息还可以提供可以用于确定区域内行人流量和/或行人的密度的环境的表示。
仍然参考图2，车辆200现在更普遍地配备有车辆到车辆的通信系统。一些系统依赖于网络接口硬件170。网络接口硬件170可以耦合到通信路径160并且通信地耦合到计算设备130。网络接口硬件170可以是能够与网络180或直接与配备有车辆到车辆通信系统的另一个车辆(例如，车辆120-126)发送和/或接收数据的任何设备。因此，网络接口硬件170可以包括用于发送和/或接收任何有线或无线通信的通信收发器。例如，网络接口硬件170可以包括天线、调制解调器、LAN端口、Wi-Fi卡、WiMax卡、移动通信硬件、近场通信硬件、卫星通信硬件和/或用于与其它网络和/或设备通信的任何有线或无线硬件。在一个实施例中，网络接口硬件170包括被配置为根据蓝牙无线通信协议进行操作的硬件。在另一个实施例中，网络接口硬件170可以包括蓝牙发送/接收模块，用于向/从网络180和/或另一个车辆发送和接收蓝牙通信。
现在参考图3，描绘了汽车边缘计算系统的说明性实施例。汽车边缘计算系统可以包括车辆到车辆的通信、传感器资源的分布式计算和/或在通信地耦合到汽车边缘计算系统的车辆之间的信息共享。在一些实施例中，车辆120、121和122之间的通信可以是直接的。即，第一车辆120可以与第二车辆121和/或第三车辆122直接通信，第二车辆121可以与第一车辆120和/或第三车辆122直接通信，并且第三车辆122可以与第一车辆120和/或第二车辆121直接通信。在一些实施例中，车辆120、121和122可以通过网络180彼此通信。在一些实施例中，车辆120、121和122可以与一个或多个远程计算设备192和/或服务器193通信。除了在包括汽车边缘计算系统的车辆之间的通信之外，一个或多个车辆可以共享由地理位置内的车辆中部署的传感器资源收集的信息的处理和/或乘车共享需求的预测、响应于地理位置内的预测需求对定价的确定和/或对乘车共享车辆的数量的管理。
网络180可以包括一个或多个计算机网络(例如，个人局域网、局域网或广域网)、蜂窝网络、卫星网络和/或全球定位系统及其组合。因此，车辆120、121和122以及一个或多个远程计算设备192和/或服务器193可以经由有线或无线技术、经由广域网、经由局域网、经由个人局域网、经由蜂窝网络、经由卫星网络等通过网络180通信地彼此耦合。合适的局域网可以包括有线以太网和/或无线技术，诸如，例如，无线保真(Wi-Fi)。合适的个人局域网可以包括无线技术，诸如，例如，IrDA、蓝牙、无线USB、Z-Wave、ZigBee和/或其它近场通信协议。合适的个人局域网可以类似地包括有线计算机总线，诸如，例如，USB和FireWire。合适的蜂窝网络包括但不限于诸如LTE、WiMAX、UMTS、CDMA和GSM的技术。
特别地，图3描绘了具有计算设备130A、一组传感器资源(例如，如关于图2所示和所描述的)和网络接口硬件170A的第一车辆120；具有计算设备130B、一组传感器资源(例如，如关于图2所示和所描述的)和网络接口硬件170B的第二车辆121；以及具有计算设备130C、一组传感器资源(例如，如关于图2所示和所描述的)和网络接口硬件170C的第三辆汽车。如本文更详细地描述的，每个车辆，例如，第一车辆120、第二车辆121和第三车辆122可以收集关于它们所处的地理位置的信息、基于来自车辆和/或其它车辆的传感器资源的关于环境的信息来预测地理位置中对乘车共享的需求、确定乘车共享的价格和/或管理乘车共享的地理位置内的车辆的数量。通过组合收集到的与环境相关的并由地理位置内的一个或多个计算设备处理的信息，可以如本文更详细描述的那样预测对乘车共享的需求。除了基于收集到的关于环境的信息来预测乘车共享需求之外，用于预测乘车共享需求的系统和方法还可以基于一个或多个地理位置的事件的时间表。
现在参考图4，示出了与特定地理位置(例如，图1中参考的区)相关联的事件的说明性时间表。事件的时间表可以向用于预测乘车共享需求的系统提供在例如城市的特定地理位置内计划的活动和/或事件。基于事件的时间表，系统可以将关于环境的实时信息(例如由传感器资源从一辆或多辆车辆收集到的)和事件的时间表相关联，以预测区域中的哪些地理位置可能会在特定时间涌入或外流可能请求乘车共享的人。例如，排定为1:00PM的足球比赛可能指示在那个时间或那个时间前后人们涌入第6区，然后在估计比赛结束时的4:00PM或4:00前后外流。类似地，剧院区(图1中所示的地图中的区5)可能会有在7:30PM开始到大约10:00PM结束的演出，这可能指示在那些时间前后对乘车共享的需求增加。此外，与指示为第2区的城市街区相关联的餐馆区可能包括该地区中的许多餐馆，这些餐馆正在分享从5:00PM至11:30PM的周末特惠晚餐。由此，在广告的周末特惠晚餐时间之前、期间和刚好之后，来往第2区的流量可能会增加。类似地，购物区可能有在早上和下午早些时候广告服装销售的一个或多个商店，这潜在地指示在那些小时期间对该地理位置的乘车共享需求将增加。
在一些情况下，事件的时间表可以用于预测从一个地理位置到另一个地理位置的人的流动。例如，可能与酒吧、俱乐部、娱乐室等相关联或以具有酒吧、俱乐部、娱乐室等闻名的第1区可能在午后和傍晚(例如，从4:00PM到6:00PM)举办欢乐时光特惠活动，这可能导致这段时间期间的需求增加。可以预测，在第1区的欢乐时光事件中的人们可能会迁移到第2区(例如，餐馆区)来享用周末特惠晚餐。由此，用于预测乘车共享需求的系统可以预测这两个地理位置之间的流量增加以及乘车共享需求的增加。类似地，由于在餐馆处的周末特惠晚餐将在晚上结束，而在第2区的深夜活动在10:00PM开始，因此在第1区和第2区之间可能会出现增加的流量。
虽然在一些情况下，知道跨地理位置(例如，城市或城镇内)的事件的时间表可能足以预测乘车需求，但实时因素也可能会导致乘车共享需求的增加和减少。例如，当天气变化时，人们可能会寻求乘车共享来代替步行。即，通过从一个或多个车辆的传感器资源接收关于跨地理位置的天气的实时信息，系统可以进一步完善关于乘车共享需求的预测，并向地理位置提供附加的乘车共享车辆和/或调整乘车共享的定价，例如，以便在乘车共享实时市场中保持相关性和竞争力。
现在，以下部分将更详细地描述利用汽车边缘计算来预测乘车共享需求并响应于所预测的需求来配置定价和/或管理乘车共享车辆的数量的方法。
现在参考图5，描绘了用于预测乘车共享需求并响应于所预测的需求来配置定价和地理位置中诸如乘车共享车辆的数量的资源的示例方法的流程图300。方法300可以由地理位置中的车辆的计算设备、远程计算设备或两者的组合来执行。图5中描绘的流程图表示存储在非暂态计算机可读存储器134中并由计算设备130或远程计算设备192的处理器132执行的机器可读指令集。可以在各个时间并响应于来自通信地耦合到计算设备130的传感器的信号来执行图5中的流程图300的处理。
特别地，在方框310处，计算设备从地理位置内的车辆的传感器资源接收关于地理位置的环境的信息。关于由地理位置内的车辆收集到的环境的信息可以包括与天气状况、车辆流量、人口密度、事故和/或施工的存在等相关的实时或近实时信息。配备有传感器资源和通信能力的任何车辆都可以收集关于环境的信息。例如，收集信息的车辆可以是乘车共享车辆，或者可以是地理位置内的个人车辆、卡车、公共汽车等。所收集的关于地理位置的信息可以被发送到本地计算设备。该计算设备可以在车辆内，或者可以是通信地耦合到地理位置内的一个或多个车辆的计算设备。由车辆收集到的信息可以基于GPS数据和时间戳与地理位置相关联，以跟踪关于地理位置中的环境的信息的当前状况。
在方框320处，关于地理位置的信息也可以与事件的时间表相关联。事件的时间表可以存储在远程计算设备和/或服务器上，该远程计算设备和/或服务器可以由实现本文描述的方法的计算设备访问。在一些实施例中，事件的时间表可以包括事件的细节(例如，日期、时间、位置、参加人数估计等)，诸如在商店处的销售、演出时间、比赛时间、游行开始时间、可能会影响未来流量方式的路线或道路封闭、人们可能会在镇上为事件停车的事件停车位置等。这些事件中的每一个都可能指示可能与请求乘车共享的增加对应的位置和时间。例如，由于人们可能正在寻找从停车位置到游行或比赛的班车类型乘车，因此在游行或比赛开始之前在事件停车位置处的乘车共享请求可能会增加。事件的时间表还可以将事件链接在一起，诸如停车场的位置和比赛的位置，或餐馆处特惠晚餐的位置和晚上晚些时候的剧院演出的位置。事件的时间表还可以包括日期、开始和结束时间，和/或可以用于预测需求的其它相关信息。例如，包括诸如足球比赛之类的事件的事件的时间表还可以包括估计的参加人数数据。事件的时间表还可以包括与典型的到达和/或离开时间或事件中的人相关的历史数据。例如，事件的时间表可以提供历史数据，该历史数据指示参加定于1:00PM开始的足球比赛的人中50％的人在比赛时间之前30分钟到达。来自事件的时间表的此类信息可以向系统提供附加数据，以生成对一个或多个地理位置中和/或跨一个或多个地理位置的乘车共享需求的预测。如上所述，地理位置可以是特定地址，例如，棒球场，或者可以被定义为以该位置中的一般类型的场所或商店为特征的街区，诸如餐馆区、购物区或娱乐区。
在方框330处，实现该方法的计算设备可以基于关于环境的信息和与地理位置相关联的事件的时间表来预测乘车共享请求的需求。在一些实施例中，可能没有安排任何事件，但是关于环境的信息基于捕获在餐馆区的人行道上的行人的图像数据指示该餐馆区中的人的密度大。此外，来自至少一辆车辆的天气传感器指示气压下降、云覆盖增加(例如，日光减少)和/或存在雨水。由此，计算设备可以预测乘车共享需求即将增加。应该理解的是，这仅仅是用于预测乘车共享需求的条件的一个示例。
在另一个示例中，事件的时间表指示足球比赛将很快结束，并且餐馆区当前正在举办晚餐特惠。此外，车辆可以确定餐馆区周围的流量密集并且移动缓慢，因此，餐馆区内的乘车共享车辆可能需要花费更多的时间来重新定位以处理由于足球比赛结束而产生的需求。由此，计算设备可以预测在该地理位置中的足球比赛结束时对乘坐共享的需求增加。
当预测乘车共享需求增加时，在方框340处，计算设备可以基于所预测的乘车共享请求的需求来调整地理位置的乘车共享定价(例如，每次乘车的价格增加)。例如，参考上面的足球比赛示例，因为由于同时发生的事件和交通拥堵而可能没有足够的可用车辆导致需求增加，因此计算设备可以提高来自足球比赛的地理位置的请求的乘车共享定价。因此，这可以减少对乘车共享的实际请求的数量和/或可以鼓励乘车共享车辆在足球比赛结束之前从餐馆区迁移到足球比赛。在其它实施例中，如果预计乘车共享需求减少，则计算设备可以调整乘车共享定价使得其降低。
在一些实施例中，在方框350处，计算设备可以基于所预测的未来乘车共享请求的需求(例如，增加的需求)规划一个或多个附加车辆到地理位置的路线。例如，在自主乘车共享车辆被包括在乘坐共享车辆的车队中的实施例中，系统可以将一个或多个自主乘车共享车辆的路线规划到预测乘车共享需求增加的地理位置。在乘车共享车辆由人类驾驶员控制的实施例中，驾驶员可以被诱导重定位以服务于预测乘车共享需求增加的地理位置。即，在需求实际增加之前，可以向驾驶员提供金钱激励以服务于新位置，使得可以维持按需服务。
相反，在预测需求减少的实施例中，计算设备可以将一个或多个车辆的路线规划到该区域之外。例如，一个或多个自主乘车共享车辆可以被引导回到“服务停止”位置，或者可以被驻车和退出服务。但是，停止服务的乘车共享车辆仍可能收集关于环境的信息，并将其提供给系统以支持未来的乘车共享需求预测。
在一些实施例中，计算系统既可以调整乘车共享价格，又可以将一个或多个附加车辆的路线规划到预测需求增加的地理位置。
现在应该理解的是，本文描述的实施例涉及用于利用汽车边缘计算来预测乘车共享需求并响应于所预测的需求来配置定价和/或管理乘车共享车辆的数量的系统和方法。本文描述的系统和方法可以利用地理位置中的一个或多个车辆的计算设备和传感器资源来收集、处理和共享关于环境的信息。该系统和方法可以利用关于地理位置的环境信息以及与该地理位置相关联的事件的时间表来预测乘车共享请求的需求。预测可以是基于当前状况、已知的未来事件以及环境中潜在的未来变化(诸如地理位置或邻近位置的天气或交通的变化)的对乘车共享请求的未来估计。响应于预测，该系统和方法可以调整乘车共享定价或主动管理资源，诸如在预测需求的地理位置中或其附近可用的乘车共享车辆的数量。应该理解的是，可以预测需求增加、减少或保持不变，并且系统可以相应地调整定价和资源。
注意的是，术语“基本上”和“大约”在本文中可以用来表示可以归因于任何定量比较、值、测量或其它表示的固有的不确定性程度。这些术语在本文中也被用来表示定量表示可能不同于所陈述的参考而不会导致所讨论的主题的基本功能发生变化的程度。
虽然本文已经图示和描述了特定的实施例，但是应该理解的是，在不脱离所要求保护的主题的精神和范围的情况下，可以做出各种其它改变和修改。而且，虽然本文已经描述了所要求保护的主题的各个方面，但是这些方面不需要被组合使用。因此，意图是所附权利要求覆盖在所要求保护的主题的范围内的所有这样的改变和修改。

Claims (10)

1.一种系统，包括：
处理器；以及
非暂态计算机可读存储器，被配置为存储机器可读指令集，所述机器可读指令集在由所述处理器执行时使所述系统至少执行以下各项：
从车辆的传感器资源接收关于所述车辆的地理位置处的环境的信息；
将事件的时间表与所述地理位置相关联；
基于关于所述环境的所述信息和与所述地理位置相关联的事件的时间表来预测乘车共享请求的需求；以及
基于所预测的乘车共享请求的需求，规划一个或多个附加车辆去往或离开所述地理位置的路线。
2.如权利要求1所述的系统，其中，所述机器可读指令集在被执行时还使所述系统：
当关于所述环境的所述信息指示存在降雨以及事件的时间表指示所述地理位置中的事件的结束时，预测针对所述地理位置的需求的未来增加。
3.如权利要求1所述的系统，其中，所述机器可读指令集在被执行时还使所述系统：
基于所预测的乘车共享请求的需求，调整所述地理位置的乘车共享定价。
4.如权利要求1-3中的任一项所述的系统，其中，关于所述车辆的所述地理位置处的所述环境的所述信息包括基于所述车辆的天气传感器的实时或近实时的天气信息。
5.如权利要求1-3中的任一项所述的系统，其中，关于所述地理位置处的所述环境的所述信息来自非乘车共享车辆的传感器资源。
6.如权利要求1-3中的任一项所述的系统，其中，关于所述环境的所述信息包括以下中的至少一个：
交通状况，
天气状况，
所述环境中的估计人数，或者
沿着路线的行驶速度。
7.一种方法，包括：
从车辆的传感器资源接收关于所述车辆的地理位置处的环境的信息；
将事件的时间表与所述地理位置相关联；
基于关于所述环境的所述信息和与所述地理位置相关联的事件的时间表来预测乘车共享请求的需求；以及
基于所预测的乘车共享请求的需求，规划一个或多个附加车辆去往或离开所述地理位置的路线。
8.如权利要求7所述的方法，还包括：当关于所述环境的所述信息指示存在降雨以及事件的时间表指示所述地理位置中的事件的结束时，预测针对所述地理位置的需求的未来增加。
9.如权利要求7至8中的任一项所述的方法，其中，关于所述环境的所述信息包括以下中的至少一个：
基于所述车辆的天气传感器的实时或近实时天气信息；
交通状况，
天气状况，
所述环境中的估计人数，或者
沿着路线的行驶速度。
10.如权利要求7至8中的任一项所述的方法，其中，关于所述地理位置处的所述环境的所述信息来自非乘车共享车辆的传感器资源。
CN201911146315.6A 2018-11-21 2019-11-21 经由自动边缘计算的乘车共享需求和定价 Pending CN111210252A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/197,966 US20200160718A1 (en) 2018-11-21 2018-11-21 Ride sharing demand and pricing via automotive edge computing
US16/197,966 2018-11-21

Publications (1)

Publication Number Publication Date
CN111210252A true CN111210252A (zh) 2020-05-29

Family

ID=70726664

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911146315.6A Pending CN111210252A (zh) 2018-11-21 2019-11-21 经由自动边缘计算的乘车共享需求和定价

Country Status (3)

Country Link
US (1) US20200160718A1 (zh)
JP (1) JP7431559B2 (zh)
CN (1) CN111210252A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113865603A (zh) * 2021-08-30 2021-12-31 东风柳州汽车有限公司 共享无人车路径规划方法、装置、设备及存储介质
CN113865603B (zh) * 2021-08-30 2024-06-07 东风柳州汽车有限公司 共享无人车路径规划方法、装置、设备及存储介质

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180211541A1 (en) * 2017-01-25 2018-07-26 Via Transportation, Inc. Prepositioning Empty Vehicles Based on Predicted Future Demand
EP3659078B1 (en) 2017-07-26 2023-08-30 Via Transportation, Inc. Systems and methods for managing and routing ridesharing vehicles
US11501643B2 (en) * 2018-05-02 2022-11-15 Uber Technologies, Inc. Reducing autonomous vehicle downtime and idle data usage
DE102019004753A1 (de) * 2019-07-08 2021-01-14 Daimler Ag Verfahren zur Koordination einer autonomen Fahrzeugflotte, sowie Fahrzeugflottenkoordinierunssystem
US11783257B1 (en) * 2020-02-07 2023-10-10 State Farm Mutual Automobile Insurance Company Systems and methods of using a transferrable token for gig-economy activity assessment
US11816603B2 (en) * 2020-09-22 2023-11-14 Uber Technolgies, Inc. Active notification using transportation service prediction
CN116887192B (zh) * 2023-08-08 2024-02-13 国能智慧科技发展(江苏)有限公司 一种基于共享载具的车载无线定位器管理系统、方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104468140A (zh) * 2013-04-04 2015-03-25 通用汽车环球科技运作有限责任公司 用于在一组车辆之间共享信息的方法、系统和装置
US20160320198A1 (en) * 2015-04-29 2016-11-03 Ford Global Technologies, Llc Ride-sharing routing using contextual constraints
CN107063286A (zh) * 2016-01-26 2017-08-18 通用汽车环球科技运作有限责任公司 在基于自主车辆的运输系统中的乘客上车和下车的仲裁及车辆路线规划
US20180102017A1 (en) * 2016-10-12 2018-04-12 Uber Technologies, Inc. Facilitating direct rider pairing for mass egress areas
CN108139221A (zh) * 2015-09-24 2018-06-08 苹果公司 用于向车辆提供导航信息的方法和相关系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5232298B2 (ja) 2009-04-23 2013-07-10 株式会社エヌ・ティ・ティ・ドコモ 移動手段需要予測支援サーバ、移動手段供給システム、及び移動手段需要予測データ作成方法
JP5935999B2 (ja) 2012-12-29 2016-06-15 株式会社Ｚｍｐ タクシーサービス支援システム
JP6818304B2 (ja) 2018-10-31 2021-01-20 トヨタ自動車株式会社 情報配信方法、情報配信装置、及び情報配信プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104468140A (zh) * 2013-04-04 2015-03-25 通用汽车环球科技运作有限责任公司 用于在一组车辆之间共享信息的方法、系统和装置
US20160320198A1 (en) * 2015-04-29 2016-11-03 Ford Global Technologies, Llc Ride-sharing routing using contextual constraints
CN108139221A (zh) * 2015-09-24 2018-06-08 苹果公司 用于向车辆提供导航信息的方法和相关系统
CN107063286A (zh) * 2016-01-26 2017-08-18 通用汽车环球科技运作有限责任公司 在基于自主车辆的运输系统中的乘客上车和下车的仲裁及车辆路线规划
US20180102017A1 (en) * 2016-10-12 2018-04-12 Uber Technologies, Inc. Facilitating direct rider pairing for mass egress areas

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113865603A (zh) * 2021-08-30 2021-12-31 东风柳州汽车有限公司 共享无人车路径规划方法、装置、设备及存储介质
CN113865603B (zh) * 2021-08-30 2024-06-07 东风柳州汽车有限公司 共享无人车路径规划方法、装置、设备及存储介质

Also Published As

Publication number Publication date
US20200160718A1 (en) 2020-05-21
JP2020098586A (ja) 2020-06-25
JP7431559B2 (ja) 2024-02-15

Similar Documents

Publication Publication Date Title
JP7431559B2 (ja) 自動車エッジコンピューティングによるライドシェアリングの需要と価格設定
EP3357049B1 (en) Transmission of targeted roadway alerts
US10349011B2 (en) System and method for improved obstacle awareness in using a V2X communications system
US9805592B2 (en) Methods of tracking pedestrian heading angle using smart phones data for pedestrian safety applications
CN112703423B (zh) 合并来自多个LiDAR装置的数据
US10613547B2 (en) System and method for improved obstacle awareness in using a V2X communications system
US10229590B2 (en) System and method for improved obstable awareness in using a V2X communications system
US9435654B2 (en) System and method for creating, storing, and updating local dynamic MAP database with safety attribute
US20220185324A1 (en) Merging LiDAR Information and Camera Information
CN109387856A (zh) 用于lidar阵列中的并行采集的方法和设备
EP4092387A1 (en) Method and system for rider pickups with autonomous vehicles
KR20210149624A (ko) Lidar를 사용한 배경 특징부 식별
US11320281B2 (en) On-demand vehicle imaging systems and methods
Tadic et al. GHOST: A novel approach to smart city infrastructures monitoring through GNSS precise positioning
CN114072784A (zh) 用于在车辆上加载物体几何数据的系统和方法
JP2020091614A (ja) 情報提供システム、サーバ、移動端末、及びコンピュータプログラム
JP7347502B2 (ja) 渋滞情報提供装置、渋滞情報処理方法及びプログラム
Kloeker et al. Utilization and Potentials of Unmanned Aerial Vehicles (UAVs) in the Field of Automated Driving: A Survey
JP2020091612A (ja) 情報提供システム、サーバ、及びコンピュータプログラム
CN113748418A (zh) 用于在车辆上加载和跟踪地图的系统和方法
US20240094012A1 (en) Ride experience enhancements with external services
US20220201422A1 (en) Method, apparatus and computer program product for controlling transmission of sensor data at the edge or near-edge of a network
US20240127633A1 (en) Dynamic autonomous vehicle modem orchestration
US20240124009A1 (en) Optimizing alerts for vehicles experiencing stuck conditions
US20230224794A1 (en) Proactive Transceiver and Carrier Automated Arbitration

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination